如何保持在QA这条路上, 而不会想转换到RD去呢?

简介:

这个问题, 我想是大多数公司或是QA manager的梦靥. 一方面找不到好人才, 一方面人才也不易留住. 很容易地, QA不是离职就是换跑道到RD去. 让我们来看看Microsoft资深的QA manager如何看待这个问题.
  在某一场合, 作者被问到一个问题: 你如何保持在QA这条路上, 而不会想转换到RD去呢?
  他说他已经听过很多次这样的问题. 许多人把QA视为是RD的一个跳板, 一个先期训练中心. 他说如果是这样也不错, 因为那将会有许多RD知道QA在做什么, 会比较注重质量, 也会比较容易和QA沟通.
  作者也认为并不是因为RD要写code, 所以QA想过去. 其实QA自己也是需要写code, 去做automation或是帮助测试更方面. 他认为QA会想离开是因为太多QA manager无法求新, 只考虑shipment和 schedule, 缺乏有求新求变的环境和心态.
  而至于愿意留下来的QA, 则是因为在team里面, 他们有机会去做invent, investigate and discover, 使得他们有成就感.
  所以如何让你的QA愿意留下来呢? 让他们有机会去创新. 如果他们都只是focus 在test cases execution和ship schedule, 那大家都会想跑的
  以下是一些读者的响应
  ===============================
  calkelpdiver said:
  他提到QA会想换工作的原因
  (1) lack of credibility & respect, lack of pay, lack of support, insane work schedules, finger pointing
  (2) getting the opportunity to do new and innovate things in this line of work doesn't come often for the average tester in the average company (Microsoft, and other large shops may be different).
  (3) Want to earn more money (RD's pay is higher)
  ===============================
  swn1 said:
  他提出一个可能的改善方法: rotation
  Assign testers to development teams, assign developers to test rotations.
  Developers became very conscious of the need for documentable designs, meaningful messages, and such. And customers were shocked to have the phone answered by someone who understood and could actually fix their problem. Good for everyone.
  ===============================
  ru_altom said:
  他认为rotation不太可行, 原因如下
  (1) 你需要假设RD是一个好的QA, QA 也是一个好的RD
  (2) RD 和QA的mindset不同, A tester will write code to break someone else's code, while a developer will aim to write unbreakable code.
  所以他赞同JW的作法:
  Innovation is the best way to keep your testers (and developers as well) content and at their best. Give them a chance to invent, to find new ways, to try their ideas - and they won't leave, not for another department and not for another company.

最新内容请见作者的GitHub页:http://qaseven.github.io/

相关文章
|
10天前
|
数据采集 人工智能 安全
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
316 164
|
4天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
320 155
|
5天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
368 4
|
13天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
905 7

热门文章

最新文章